RRepoGEO

REPOGEO 报告 · LITE

Q-Future/Q-Align

默认分支 main · commit 14dfdffb · 扫描时间 2026/6/5 13:47:05

星标 600 · Fork 32

AI 可见性总分
40 /100
亟需修复
品类召回
0 / 2
在所有问题中均未被推荐
规则结果
通过 2 · 警告 0 · 失败 0
客观元数据检查
AI 认识你的名字
3 / 3
直接询问时，AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试：当用户向 AI 提一个不带品牌、本应让 Q-Future/Q-Align 浮出水面的问题时，AI 是真的推荐了你，还是推荐了你的竞品？客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highreadme#1
    Emphasize 'Foundation Model' and 'Efficient Fine-tuning' in README intro

    原因：

    复制粘贴的修复
    Add the following sentence directly after the H1 (or within the first paragraph): "Q-Align is an all-in-one foundation model designed for comprehensive visual scoring, capable of efficiently fine-tuning to various downstream image and video quality assessment datasets."
  • mediumlicense#2
    Clarify license details in README

    原因：

    复制粘贴的修复
    Add a section or line in the README, perhaps under a 'License' heading, clarifying the specific license(s) that apply to Q-Align, referencing the existing LICENSE file for full details.
  • lowreadme#3
    Add a 'Comparison' section to the README

    原因：

    复制粘贴的修复
    Add a 'Comparison' section to the README, briefly outlining how Q-Align differs from or improves upon common alternatives like LAION-Aesthetics V2 or NIMA for visual scoring tasks.

本次扫描解析到的品类 GEO 通道：google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你，还是推荐了别人？

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
0 / 2
0% 的问题里出现了 Q-Future/Q-Align
平均排名
—
越小越好。#1 表示首位推荐。
声量占比
0%
在所有被点名的工具中，你占了多少？
头号对手
LAION-Aesthetics V2
在 2 个问题中被推荐 2 次
竞品排行
  1. LAION-Aesthetics V2 · 被推荐 2 次
  2. CLIP · 被推荐 1 次
  3. BLIP-2 · 被推荐 1 次
  4. Open-Assistant's Aesthetic Predictor · 被推荐 1 次
  5. NIMA · 被推荐 1 次
  • 品类问题
    What are the best foundation models for comprehensive visual quality and aesthetic scoring?
    你：未被推荐
    AI 推荐顺序：
    1. LAION-Aesthetics V2
    2. CLIP
    3. BLIP-2
    4. Open-Assistant's Aesthetic Predictor
    5. NIMA
    6. VQGAN+CLIP

    AI 推荐了 6 个替代方案，却始终没点名 Q-Future/Q-Align。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    How to efficiently fine-tune a model for image and video aesthetic quality assessment?
    你：未被推荐
    AI 推荐顺序：
    1. LAION-Aesthetics V2
    2. PyTorch Lightning (PyTorchLightning/pytorch-lightning)
    3. CLIP (openai/CLIP)
    4. Hugging Face Transformers (huggingface/transformers)
    5. BLIP-2 (salesforce/BLIP)
    6. PyTorch (pytorch/pytorch)
    7. MMAction2 (open-mmlab/mmaction2)
    8. TensorFlow Hub
    9. Keras Applications (keras-team/keras)
    10. TensorFlow/Keras (tensorflow/tensorflow)

    AI 推荐了 10 个替代方案，却始终没点名 Q-Future/Q-Align。这就是要补上的差距。

    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    pass

  • README presence
    pass

自指检查

当被直接问到你时，AI 是否还知道你的仓库存在？

  • Compared to common alternatives in this category, what is the core differentiator of Q-Future/Q-Align?
    pass
    AI 明确点名了 Q-Future/Q-Align

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • If a team adopts Q-Future/Q-Align in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 Q-Future/Q-Align

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • In one sentence, what problem does the repo Q-Future/Q-Align solve, and who is the primary audience?
    pass
    AI 明确点名了 Q-Future/Q-Align

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

嵌入你的 GEO 徽章

把这个徽章贴进 Q-Future/Q-Align 的 README。每次重新扫描都会自动更新，并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN（README）
[![RepoGEO](https://repogeo.com/badge/Q-Future/Q-Align.svg)](https://repogeo.com/zh/r/Q-Future/Q-Align)
HTML
<a href="https://repogeo.com/zh/r/Q-Future/Q-Align"><img src="https://repogeo.com/badge/Q-Future/Q-Align.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

Q-Future/Q-Align — 轻量扫描仍免费；本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5，轻量 2
  • 优先行动项8，轻量 3